Anthropic ha publicado el Claude Cookbook, una colección de guías prácticas con código verificable para construir agentes con Claude en producción. Son los patrones que Anthropic usa internamente, reducidos a ejemplos ejecutables.

Las recetas cubren los problemas reales de quien ejecuta agentes más allá de la demo. Programmatic tool calling para reducir latencia y tokens haciendo que Claude escriba el código que invoca los tools. Context compaction automática para sesiones largas. Tool search con embedding para escalar a miles de herramientas. Y luego arquitecturas multi-agente asincrónicas, loops de autoverificación, agentes SRE que leen logs y abren PRs, agentes de ciberseguridad que buscan bugs de memoria.

Por qué te importa. Si estás construyendo sobre Claude Code o el Agent SDK, estas recetas son la primera prueba pública para arquitecturas que Anthropic ya tiene en deployment. Como contábamos al hablar de orquestación, la calidad de un sistema de agentes depende más de cómo circuitas y verificas el agente que de la potencia del modelo. Ahora Anthropic pone sus circuitos en blanco sobre negro.

El valor concreto está en los detalles operacionales: cómo gestionar el ciclo de vida de un agente asincrónico, cómo estructurar un evaluador sin estado que verifica cada cita, cómo versionarizar prompts del lado del servidor y hacer rollback. Son decisiones arquitectónicas que quien construye agentes enfrenta tarde o temprano, y verlas resueltas por quien ya pasó por eso ahorra semanas de intentos.

Si quieres intentarlo, empieza por la receta del tutorial de entrada de Managed Agents en la página del Cookbook: hace que un agente repare tres bugs plantados en un paquete Python, y te guía a través de la creación del agente, montaje de archivos y loop de streaming.

En detalle

El Cookbook llega mientras el ecosistema de agentes Claude madura rápidamente. Los lanzamientos de Claude Code se suceden casi diariamente, y la serie de fixes en permisos, sandbox y estabilidad muestran una herramienta orientada al uso diario. El Cookbook cierra la brecha entre “usar Claude Code como asistente” y “construir sistemas de agentes sobre Claude en producción”.

Las recetas se dividen en tres familias.

La primera se refiere a la eficiencia de tools. Programmatic tool calling (PTC) hace que Claude escriba el código que invoca los tools en lugar de pasar por el ciclo clásico de llamada. Esto reduce latencia y consumo de tokens, porque el modelo razona sobre el código en lugar de esperar respuestas seriales. La receta de tool search con embedding aborda otro problema concreto: cuando un agente tiene acceso a miles de tools, pasarle todos en el contexto no es práctico. La solución es una búsqueda semántica que selecciona dinámicamente los tools relevantes para cada solicitud.

La segunda familia trata sobre orquestación multi-agente. Se documentan dos patrones asincrónicos: un equipo fijo de N agentes que comunican a través de un hub compartido, y subagentes generados dinámicamente. La receta del coordinador de especialistas muestra una arquitectura donde un coordinador gestiona tres agentes con competencias y tools diferentes, cada uno con acceso limitado a lo que necesita. Es la materialización de un principio que la investigación académica había teorizado y que Anthropic ahora tiene en producción.

La tercera familia es lo que Anthropic llama Outcomes: agentes que verifican su propio trabajo. Una receta muestra un escritor que produce un resumen de investigación con citas, un evaluador sin estado que verifica cada URL y cada cita contra una rúbrica, y un loop de revisión que continúa hasta que el resumen pase. Es el esquema del revisor adversario aplicado a un sistema automatizado.

Las limitaciones. El Cookbook es sólido en patrones, pero es documentación del proveedor: todas las recetas corren sobre la infraestructura de Anthropic (Managed Agents, Agent SDK). Si tu arquitectura usa otros proveedores o modelos abiertos, los patrones son transferibles pero el código no. Las recetas más recientes (junio de 2026) hacen referencia a modelos como Fable 5 y a comportamientos de la API que podrían cambiar. Ninguna receta incluye números de costo o latencia medidos: el ahorro declarado por el PTC necesita verificación sobre tu carga real.